Fitimet:
- Aftësia për të përshtatur të dhënat eksperimentale me curve_fit duke zgjedhur modelin nga fizika dhe për të raportuar parametrat me pasiguritë e tyre
- Aftësia për të vlerësuar me ndershmëri cilësinë e përshtatjes duke ekzaminuar mbetjet dhe për të shmangur mbivendosjen
- Aftësia për të kontrolluar besueshmërinë fizike të parametrave të gjetur dhe për të dalluar një përshtatje 'duke e bukur' nga një përshtatje 'fizikisht e saktë'
Fizika në fund të fundit varet nga eksperimentimi. Sado elegante të jetë një teori, nëse nuk pajtohet me të dhënat e matura, është e pavlefshme. Përshtatja e kurbës qëndron në qendër të punës me të dhënat eksperimentale: përshtatja e një modeli të parashikuar nga teoria (një vijë, një eksponencial, një lëkundje) në pikat matëse të zhurmshme që keni në mënyrën më të mirë të mundshme dhe gjetja e parametrave të modelit (pjerrësia, konstantja, frekuenca). Në këtë njësi, do të mësoni se si të përdorni inteligjencën artificiale (AI) në analizën e të dhënave të eksperimentit, si të vendosni saktë përshtatjen e kurbës dhe - më kritike - si të dalloni një përshtatje "duke e mirë" dhe "të qenit fizikisht korrekt". Mjeti standard është scipy.optimize.curve_fit (funksioni SciPy që përshtat një funksion model me të dhënat).
Logjika e përshtatjes së kurbës dhe roli i AI
Përshtatja e kurbës e bën këtë: ju zgjidhni një funksion model (p.sh. y = a·x + b), dhe algoritmi gjen vlerat e a dhe b që përshtaten me të dhënat me gabimin më të vogël. AI është i shpejtë në kodimin e funksionit të saktë të modelit, vendosjen e thirrjes curve_fit dhe vizualizimin e rezultatit. Por dy vendime kritike janë tuajat: (1) Cili model është fizikisht i saktë? (2) A është cilësia e përshtatjes vërtet e mirë? Inteligjenca artificiale mund të përshtasë gjithashtu një polinom të rendit të 10-të me të dhënat dhe të vizatojë një kurbë që duket pothuajse e përsosur – por kjo do të ishte fizikisht e tepërt e pakuptimtë.
ngjarje fizike
modeli i pritur
Parametri i gjetur
lëvizje me shpejtësi konstante
y = a·x + b
pjerrësi = shpejtësi
zbërthimi radioaktiv
N = N₀·e^(−λt)
λ = konstante zbërthimi
lirim pranveror
x = A·cos(ωt + φ)
ω = frekuencë këndore
Ligji i Ohmit
V = R·I
R = rezistenca (pjerrësia)
rënia e lirë
y = ½·g·t²
g = nxitimi gravitacional
Hap pas hapi: përshtatja e një kurbë të ndershme
1. Zgjidhni modelin nga fizika, jo nga të dhënat. Së pari përcaktoni se cilit ligj fizik duhet t'i bindet ngjarja. Zgjedhja e një modeli duke parë të dhënat dhe duke zgjedhur "cila përshtatet mirë" është duke u përpjekur ta bëjë fizikën të përshtatet me të dhënat - e rrezikshme.
2. Futni të dhëna dhe pasiguri. Së bashku me pikat e matjes, vendosni edhe gabimin e matjes (parametri sigma) të secilës pikë, nëse ka. Kjo është e nevojshme për llogaritjen e saktë të përshtatjes dhe pasigurisë së parametrave.
3. Lexoni parametrat dhe pasiguritë e tyre. curve_fit kthen të dyja vlerat e parametrave dhe pasiguritë e tyre që rrjedhin nga matrica e kovariancës. Raportimi i një parametri pa pasigurinë e tij është i paplotë: të thuash "g = 9.7 ± 0.3 m/s²" është shumë më informuese sesa thjesht të thuash "9.7".
4. Vlerësoni përshtatjen me mbetjet. Mbetja është devijimi i secilës pikë matje nga modeli. Shpërndarja e rastësishme e mbetjeve është një shenjë e përshtatjes së mirë; një kurbë sistematike (p.sh. të gjitha në një vend mbi model) tregon se modeli është i gabuar.
5. Kontrolloni arsyeshmërinë fizike. A gjendet vlera g në rendin e 9.8 apo 50? A doli një rezistencë negative? Parametrat fizikisht të pamundur tregojnë një problem, edhe nëse përshtatja "duket mirë".
Këshillë: Mos e gjykoni cilësinë e përshtatjes duke u mbështetur vetëm te shikimi. Gjithmonë vizatoni mbetjet në një grafik të veçantë. Në një përshtatje të mirë, mbetjet shpërndahen si zhurmë rreth zeros; Me një përshtatje të keqe, shfaqet një model i dukshëm (valë, pjerrësi, formë U). Ky model është shenja më e sinqertë se modeli juaj është fizikisht i mangët.
tre mini kuti
Rasti 1 - Kurthi i tejpërshtatjes. Një student vendosi një polinom të shkallës së 7-të të sugjeruar nga AI në 8 pika të dhënash; kurba kalonte nëpër të gjitha pikat dhe dukej "perfekte". Por midis dy pikave kurba u lëkund në mënyrë absurde. Studenti iu drejtua fizikës: ishte një marrëdhënie lineare. Kur vendosi një vijë të thjeshtë, parametrat morën kuptim fizik; polinomi i rendit më të lartë sapo kishte memorizuar zhurmën.
Rasti 2 - Pasiguria e harruar. Një studiues gjeti dhe raportoi përshpejtimin gravitacional g = 9.73 me kodin e shkruar nga YZ. Këshilltari i tij pyeti për pasigurinë. Studiuesi nuk përdori outputin e kovariancës së curve_fit; Kur u llogarit, pasiguria doli të ishte ±0.4, që do të thotë se rezultati ishte në përputhje me vlerën standarde prej 9.81. Pa paqartësi, rezultati mund të keqinterpretohet si "devijon nga 9.81".
Rasti 3 - Mbetjet treguan gabimin. Një mësues vendosi një vijë të drejtë në një eksperiment ftohjeje dhe dukej e arsyeshme. Por kur ai vizatoi copëzat, u shfaq një model i dallueshëm i lakuar. Ajo që ndodhi në të vërtetë ishte një ftohje eksponenciale. Kur ai përdori modelin e saktë (eksponencial), mbetjet u bënë të rastësishme dhe përshtatja u bë fizikisht kuptimplotë.
Katër shabllone të kopjueshëm
1) Përshtatja me modelin fizik:
Shkruani një kod curve_fit që i përshtatet modelit fizik = [funksioni i modelit] me të dhënat eksperimentale të mëposhtme ([vlerat x dhe y, në njësi]). Printoni parametrat dhe pasiguritë 1-sigma që rrjedhin nga kovarianca. Paraqitni të dhënat, kurbën e përshtatur dhe mbetjet në një grafik TË VEÇANË. Kam bërë zgjedhjen e modelit nga fizika; ju thjesht e aplikoni atë.
2) Cilësia e vlerësimit të përshtatshmërisë:
Shtoni kodin që vlerëson cilësinë e përshtatjes më poshtë: vizatoni mbetjet, llogaritni një masë si chi-square ose R² dhe komentoni me shkrim nëse ka një model sistematik në mbetjet. Kodi i përshtatjes: [këtu]
3) Krahasimi i modelit:
Shkruani kodin që përshtatet dhe krahason dy modele të ndryshme fizike me të njëjtat të dhëna: [modeli A] dhe [modeli B]. Trego parametrat, pasiguritë dhe modelet e mbetura të të dyjave. Më takon mua të vendos se cili është FIZIKISHT më i përshtatshëm; Thjesht prezanto të dyja krah për krah. Mos harroni të shmangni përshtatjen e tepërt.
4) Raportimi i pasigurisë:
Shto kodin që printon çdo parametër të përshtatjes së mëposhtme me numrin e duhur të shifrave domethënëse në formatin "vlerë ± pasiguri (njësi)". Përshtat nëse një parametër merr një vlerë fizikisht të pamundur (p.sh. masë negative). Kodi: [këtu]
Prompt i dobët / Prompt i fortë
E dobët: "Gjeni kurbën që i përshtatet më mirë këtyre të dhënave."
Përfundim: AI mund t'i japë një përshtatje "perfekte" por fizikisht të pakuptimtë një polinomi të rendit të lartë; pasiguri dhe jo më shumë.
Strong: "Shkruani një kod kurbë_përshtatje që i përshtatet modelit të zbërthimit radioaktiv N = N₀·e^(−λt) në këto të dhëna (t, N). Shtypni λ dhe N₀ dhe pasiguritë e tyre. Paraqisni mbetjet në një grafik të veçantë dhe komentoni nëse ka një model sistematik. Paralajmëroni nëse λ është negativ."
Rezultati: Modeli fizik, parametra të pasigurt, kontrolli i mbetur dhe kontrolli i besueshmërisë.
Gabimet e zakonshme
- Zgjedhja e modelit nga të dhënat. Zgjedhja e "përshtatjes më të mirë" në vend të ligjit fizik po e detyron fizikën të përshtatë të dhënat dhe çon në mbipërshtatje.
- Mos raportimi i pasigurisë. Një vlerë parametri pa pasiguri është shkencërisht e paplotë; Nëse dy rezultate janë të pajtueshme apo jo, mund të kuptohet vetëm përmes pasigurisë.
- Duke mos gërvishtur mbetjet. Deklarimi i pajtueshmërisë "të mirë" duke parë syrin fsheh devijime sistematike.
- Mbivlerësoni shifrën domethënëse. Shkrimi g = 9,73418 ± 0,4 është një saktësi e rreme; Pasiguria përcakton se sa shifra janë të rëndësishme.
- Duke anashkaluar arsyeshmërinë fizike. Injorimi i pasojave të pamundura si rezistenca negative ose graviteti 50 m/s².
Kujdes: Vetëm për shkak se një kurbë i përshtatet mirë të dhënave nuk provon se fizika themelore është e saktë. Me parametra të mjaftueshëm të lirë, një kurbë "e mirë" mund të përshtatet me çdo të dhënë. Integriteti shkencor kërkon zgjedhjen e modelit nga fizika, raportimin e pasigurisë dhe ekzaminimin e mbetjeve me ndershmëri. Një grafikë e bukur e krijuar nga AI nuk është zëvendësim për këto kontrolle.
Në përmbledhje
Në analizën e të dhënave të eksperimentit, AI shpejt vendos kodin e përshtatjes së kurbës dhe vizualizimin; por është përgjegjësia e fizikanit të zgjedhë modelin fizik, të raportojë me saktësi pasigurinë dhe të vlerësojë me ndershmëri cilësinë e përshtatjes. Një analizë e mirë merr modelin nga fizika, raporton parametrat me pasiguritë e tyre, ekzaminon mbetjet dhe teston besueshmërinë fizike të rezultatit. Në njësinë vijuese, ne do të diskutojmë më thellë këtë koncept të pasigurisë - gabimin e matjes dhe përhapjen e gabimit.
Detyra e aplikimit
Përshtatni një model fizik në një grup të vogël të dhënash eksperimentale që keni ose keni prodhuar (për shembull, matjet e periudhës së gjatësisë së një lavjerrës ose të dhënat e tensionit aktual të një rezistence). Shtypni kodin me shabllonin e parë në AI, ekzekutoni atë; Lexoni parametrat me pasigurinë e tyre dhe vizatoni mbetjet. Kontrolloni nëse ka një model sistematik në mbetjet, nëse parametrat janë fizikisht të arsyeshëm. Shkruani me 5-6 fjali: a ishte përshtatja vërtet e mirë, çfarë thoshte pasiguria?
listë kontrolli
- [ ] Kam zgjedhur modelin nga fizika, jo nga të dhënat.
- [ ] Kam përfshirë pasigurinë e matjes, nëse ka, në përshtatje.
- [ ] I raportova parametrat me pasigurinë e tyre dhe shifrën e duhur domethënëse.
- [ ] I vizatova mbetjet në një grafik të veçantë dhe kërkova modele sistematike.
- [ ] Kam kontrolluar që parametrat janë fizikisht të arsyeshëm.
- [ ] E shmanga përshtatjen e tepërt (liri e lartë e panevojshme).